GitHub Copilot CLI – 高效工作流

前置检查（请先执行）

YAML 前置元数据格式要求严格。一个多余的空格就可能导致技能失效。

在提交或发布前，请运行以下命令进行基本验证（无输出表示通过）：

# 基本健康检查（无输出即为正常）
python - <<'PY'
import yaml,sys
with open('SKILL.md') as f:
    yaml.safe_load(f.read())
print('Frontmatter OK')
PY

需牢记规则：

• 键名（如 name、description）前不得有前置空格
• 使用空格，不要使用制表符（tab）
• 保持前置元数据简洁（仅包含 name 和 description）

思维模型

将 Copilot CLI 视作由你协调的一支精英专家团队：

• 一个 Copilot 实例可担任 前端工程师
• 一个担任 后端工程师
• 一个担任 测试 / 质量保证（QA）人员
• 一个担任 基础设施或重构专家

当任务清晰时，Copilot 在编码和架构设计方面都表现出色。你应扮演 首席技术官（CTO）/指挥者 的角色：

• 明确目标与约束条件
• 让不同角色的 Copilot 提出解决方案
• 观察方案间的权衡与冲突
• 将决策或风险问题主动上报至自己

你应该实际使用的核心命令

1. 询问代码库相关问题

gh copilot explain "这个服务是做什么的？" --path src/

适用于快速熟悉项目或中断后重新建立上下文。

2. 生成聚焦的修改建议（最常用）

gh copilot suggest "当翻译回退被使用时添加日志记录" --path services/translation

最佳实践：

• 将请求表述为 增量变更，而非完整功能
• 始终指定 具体目录

3. 带约束条件的调试

gh copilot suggest "为什么此函数在高负载下可能返回 null？" --path src/choreo

后续需手动阅读其指出的代码部分进行确认。

4. 先写测试，再写代码

gh copilot suggest "为语音转录中的标点纠正编写失败测试" --path tests/

然后由你自己逐步实现修复。

有效的提示模式

✅ 有效提示（具备角色意识）

• “作为后端工程师，为 X 设计一个最小化修复方案”
• “作为测试人员，添加防护机制以防止 Y 发生”
• “作为基础设施专家，重构这段代码以提升安全性，而非性能”

❌ 无效提示

• “从头到尾实现功能 X”
• “重构整个服务”
• “让这段代码达到生产可用状态”

多 Copilot 协同工作循环（推荐使用）

1. 分解任务（CTO 角色）

- 明确目标与限制条件

- 拆分为前端 / 后端 / 测试 / 基础设施等维度

1. 提出方案（各 Copilot 角色）

gh copilot suggest "作为后端工程师，为混合语言传递问题提出最小修复方案" --path src/

gh copilot suggest "作为测试人员，为混合语言传递问题编写失败测试" --path tests/

1. 交叉验证（Copilot 之间比对）

- 对比不同方案

- 寻找分歧或隐含假设

1. 上报问题（交由你处理）

- 展示权衡点

- 标注潜在风险

- 请求你做出决策

1. 最终定稿（由你完成）

- 应用变更

- 清理命名

- 有意识地合并

不应使用 Copilot CLI 的情况

Copilot CLI 不应成为以下场景下的 最终决策者：

• 产品或组织层面的权衡 优先于代码正确性
• 需要 跨仓库或跨团队协作 的场景
• 涉及 安全、隐私或合规性 的决策
• 状态机模糊、正确性依赖真实世界行为的情况

在此类情况下，Copilot 仍可 提供选项建议，但你必须明确审查并作出决定。

黄金法则

Copilot 是 增强效率的工具，而非决策主体。

使用 Copilot 来：

• 生成多种实现方案
• 暴露隐藏假设
• 从多个角度压力测试想法

你负责：

• 最终意图
• 风险接受
• 合并决策

Copilot 加速思考过程 —— 它不会替代判断力。